廉 城

发布时间:2019-02-25

1.png

  姓名:廉城

  性别:男

  职称/学位:副教授/博士

  Email:chenglian@whut.edu.cn

  研究方向:机器学习、计算智能、模式识别、数据挖掘

  基本情况介绍:2014年12月于华中科技大学自动化学院取得控制科学与工程博士学位;2016年9月于华中科技大学电子信息与通信学院博士后出站;2016年10月入职武汉理工大学自动化学院;2017年6月聘为硕士生导师;2017年9月晋升副教授。担任自动化学报、Neural Networks、Applied Soft Computing、Soft Computing、Neurocomputing、Neural Computing and Application、Cognitive Computation、ISA Transactions、Stochastic Environmental Research and Risk Assessment、Journal of Mountain Science、Geomatics, Natural Hazards and Risk、等国内外学术期刊审稿人;担任ICACI2018,IWCSN2017,ICONIP2017,ICACI2017,CCC2016,ICIST2016,ICIST2015,IJCNN2015,ICACI2015,IJCNN2014,CCC2014,ISNN2014,ICONIP2014,MICAI2013,ICONIP2012等国际会议审稿人。

  主讲本科生课程:《人工智能与机器学习》、《系统工程导论》

  招生要求:欢迎数学、英语、编程基础较好的同学报考

 

  主持和参与的科研项目:

  [1] 国家自然科学基金面上项目“基于多源地学时空数据分层学习的滑坡易发性动态区划”,2019/01-2022/12,(主持)。

  [2] 国家自然科学基金青年项目“基于多场信息数据驱动的滑坡演化多模式切换概率预测和控制研究”,2016/01-2018/12,(主持)。

  [3] 湖北省自然科学基金面上项目“基于人工神经网络多维时空数据挖掘的崩滑流灾害链预测”,2017/01-2018/12,(主持)。

  [4] 中国博士后科学基金面上项目“基于随机权值神经网络的滑坡位移区间预测研究”,2015/01-2016/09,(主持)。

  [5] 武汉理工大学自主创新研究基金项目/中央高校基本科研业务费项目“基于深度学习的多尺度时间空间预测方法研究”,2017/01-2017/12,(主持)。

  [6] 国家自然科学基金国际(地区)合作与交流项目(NSFC-RS(中英人才基金))“面向类脑计算的忆阻电路系统分析与设计”,2017/03-2020/02,(参与)。

  [7] 国家自然科学基金面上项目“智能参数变化系统的多吸引子理论及忆阻多值存储设计”,2017/01-2020/12,(参与)。

  [8] 国家重点基础研究发展计划“973”项目“重大工程灾变滑坡演化与控制”,项目时间:2011/01-2015/12,(参与)。

  [9] 国家杰出青年科学基金“复杂系统渐近行为理论与应用”,项目时间:2012/01-2015/12,(参与)。

  [10] 国家自然科学基金青年科学基金项目“基于忆阻动态联想网络的电路结构和算法研究”,2015/01-2017/12,(参与)。

  [11] 2014年度武汉市科技计划项目 “基于忆阻器的大容量认知存储技术研究”。(参与)。

  [12] 2014年度华为技术有限公司委托开发合同项目“基于忆阻技术的神经网络技术研究”。(参与)。

 

  部分论文目录:

  [1] Cheng Lian, Lingzi Zhu, Zhigang Zeng*, Yixin Su, Wei Yao, Huiming Tang, “Constructing prediction intervals for landslide displacement using bootstrapping random vector functional link networks selective ensemble with neural networks switched,” Neurocomputing, vol. 291, pp. 1-10, 2018(JCR Q1)

  [2] Zhihao liu, Zhigang Zeng*, Cheng Lian, “Multidomain Features Fusion for Zero-Shot Learning,” IEEE Transactions on Emerging Topics in Computational Intelligence, DOI: 10.1109/TETCI.2018.2868061

  [3] Wei Yao, Zhigang Zeng*, Cheng Lian, Huiming Tang, “Pixel-wise regressionusing U-Net and its application on pansharpening,” Neurocomputing, vol. 312, pp. 364-371, 2018.(JCR Q1)

  [4] Wei Yao, Zhigang Zeng*, Cheng Lian, “Generating probabilistic predictions using mean-variance estimation and echo state network,” Neurocomputing, vol. 219, pp. 536-547, 2017.(JCR Q1)

  [5] Cheng Lian, Zhigang Zeng*, Wei Yao, Huiming Tang, C. L. Philip Chen, “Landslide displacement prediction with uncertainty based on neural networks with random hidden weights,” IEEE Transactions on Neural Networks and Learning Systems, vol. 27, no. 12, pp. 2683-2695,  2016. (JCR Q1)

  [6] Cheng Lian*, C. L. Philip Chen, Zhigang Zeng*, Wei Yao, Huiming Tang, “Prediction intervals for landslide displacement based on switched neural networks,” IEEE Transactions on Reliability, vol. 65, no. 3, pp. 1483-1495, 2016.(JCR Q1)

  [7] Cheng Lian, Zhigang Zeng*, Wei Yao, Huiming Tang, “Multiple neural networks switched prediction for landslide displacement,” Engineering Geology, vol. 186, pp. 91-99, 2015.(JCR Q1)

  [8] Wei Yao, Zhigang Zeng*, Cheng Lian, Huiming Tang, “Training enhanced reservoir computing predictor for landslide displacement,” Engineering Geology, vol. 188, pp. 101-109, 2015.(JCR Q1)

  [9] Cheng Lian, Zhigang Zeng*, Wei Yao, Huiming Tang, “Extreme learning machine for the displacement prediction of landslide under rainfall and reservoir level,” Stochastic Environmental Research and Risk Assessment, vol. 28, no. 8, pp. 1957-1972, 2014.(JCR Q2)

  [10] Cheng Lian*, Zhigang Zeng, Wei Yao, Huiming Tang, “Ensemble of extreme learning machine for landslide displacement prediction based on time series analysis,” Neural Computing and Applications, vol. 24, no. 1, pp. 99-107, 2014.(JCR Q1)

  [11] Cheng Lian, Zhigang Zeng*, Wei Yao, Huiming Tang, “Displacement prediction model of landslide based on a modified ensemble empirical mode decomposition and extreme learning machine,” Natural Hazards, vol. 66, no. 2, pp.759-771, 2013.(JCR Q3)